【技术实现步骤摘要】
基于DANN变工况和少标签谐波减速器故障诊断方法
[0001]本专利技术涉及了一种减速器故障诊断方法，具体涉及一种基于DANN变工况和少标签谐波减速器故障诊断方法。
技术介绍
[0002]谐波减速器广泛应用于航空航天、工程机械、军用设备、风力发电、通信设备等诸多领域，其主要由波发生器、带有内齿圈的刚性齿轮(柔轮)、带有外齿圈的柔性齿轮(刚轮)与柔性轴承四个基本构件组成。由于其精密的结构组成，因此具有传动速比大、承载能力高、传动精度高、传动效率高、运动平稳、结构简单以及可向密闭空间传递运动等优点，特别是在高动态性能与高精度传动系统中，采用谐波齿轮传动更显示出其优越性。由于谐波减速器在实际工业应用中的重要性与不可替代性，因此开展谐波减速器的故障诊断与状态监测，对可能发生的故障进行检测、诊断和预测，以“防患于未然”，对保证设备的可靠、连续和稳定运行，以及避免重大事故发生，具有十分重要的现实需求和实际意义。
[0003]基于有健康状态标签的振动信号进行变工况下的故障诊断是常用的方法，通过深度神经网络提取振动信号的内在特征，并...
【技术保护点】
【技术特征摘要】
1.一种基于DANN变工况和少标签谐波减速器故障诊断方法，其特征在于：方法包括如下步骤：S1、通过传感器分别采集谐波减速器在正常、刚轮故障、柔轮故障和波发生器四类故障的四种负载工况下的振动信号；S2、针对步骤S1中的每种振动信号，使用分段聚合近似方法PAA进行聚合后进行缩放，获得预处理振动信号；S3、使用坐标变换法将预处理振动信号转换为极坐标预处理振动信号，以16a为步长对极坐标预处理振动信号进行划窗截取采样后获得若干采样样本，每个样本中包括128c个信号采样点；将各个采样样本中的若干采样样本进行故障标注作为标注样本，剩下的若干采样样本不进行故障标注作为无标注样本；S4、针对每个采样样本，使用两角差cos函数处理采样样本后获得谐波减速器的振动信号的GASF图像；将由进行故障标注采样样本获得的GASF图像作为有标签数据图像，将由未进行故障标注采样样本获得的GASF图像作为无标签数据图像；S5、将各个有标签数据图像和各个无标签数据图像共同作为训练集，将训练集输入基于半监督学习SSL的标签生成网络进行训练，获得训练完成的标签生成网络；S6、将每个无标签数据图像输入训练完成的标签生成网络中处理后输出每个无标签数据图像的生成标签数据图像；S7、将各个有标签数据图像和生成标签数据图像共同作为源域，将除了源域的负载工况的另外一种负载工况下的振动信号经步骤S2
‑
S4获得的各个无标签数据图像作为目标域，将源域和目标域共同输入领域对抗迁移网络DANN中进行训练，获得训练完成的领域对抗迁移网络DANN；S8、通过传感器采集谐波减速器在工作时的实时振动信号，将实时振动信号进行步骤S2
‑
S3中的振动信号的相同的操作获得若干实时采样样本，将各个实时采样样本进行步骤S4中的采样样本的相同的操作获得若干实时GASF图像，将各个实时GASF图像依次输入训练完成的标签生成网和训练完成的领域对抗迁移网络DANN中处理后确定实时振动信号的负载工况，实现在变工况和少标签情况下的谐波减速器的故障诊断。2.根据权利要求1所述的一种基于DANN变工况和少标签谐波减速器故障诊断方法，其特征在于：所述的步骤S2中，每种振动信号均为笛卡尔坐标系下的时间序列信号，将时间序列信号分段聚合近似方法PAA进行聚合后再缩放到[
‑
1,1]区间完成振动信号的预处理。3.根据权利要求2所述的一种基于DANN变工况和少标签谐波减速器故障诊断方法，其特征在于：所述的步骤S3中，使用坐标变换法将预处理振动信号转换为极坐标预处理振动信号，具体为使用反余弦方法，将笛卡尔坐标系下的预处理振动信号转换到极坐标系下，即针对笛卡尔坐标系下的预处理振动信号的每个时间戳(x，y)，将时间戳(x，y)转换为极坐标系下的半径和角度，具体如下：系下的半径和角度，具体如下：其中，r为时间戳(x，y)转换后的极坐标系下的半径，θ为时间戳(x，y)转换后的极坐标
系下的角度；x和y分别为笛卡尔坐标系下的时间戳的横纵坐标。4.根据权利要求1所述的一种基于DANN变工况和少标签谐波减速器故障诊断方法，其特征在于：所述的步骤S5中，将训练集输入基于半监督学习SSL的标签生成网络...
【专利技术属性】
技术研发人员：王午炎，潘柏松，文娟，李一帆，
申请(专利权)人：浙江工业大学台州研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。